CN112010236B - 无人驾驶叉车自动控制指令的识别方法、装置和设备 - Google Patents
无人驾驶叉车自动控制指令的识别方法、装置和设备 Download PDFInfo
- Publication number
- CN112010236B CN112010236B CN202010833889.7A CN202010833889A CN112010236B CN 112010236 B CN112010236 B CN 112010236B CN 202010833889 A CN202010833889 A CN 202010833889A CN 112010236 B CN112010236 B CN 112010236B
- Authority
- CN
- China
- Prior art keywords
- control instruction
- instruction code
- image
- bits
- code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/0755—Position control; Position detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本发明实施例公开了一种无人驾驶叉车自动控制指令的识别方法。该方法包括:获取由目标工业相机拍摄控制指令码生成的待识别图像;控制指令码中的码位呈阵列排布,码位的总数量少于预设数量阈值,码位包括数据编码位和数据校验位,码位的数据状态包括有效态和无效态,控制指令码是彩色的,有效态和无效态通过预设的两种颜色进行标识;对待识别图像进行图像处理得到识别区域图像;对识别区域图像中的码位进行状态识别,并根据识别结果确定与控制指令码匹配的自动控制指令。上述技术方案提高了计算机视觉识别的准确率和效率,进而提高了无人驾驶叉车基于识别到的自动控制指令来实现自动控制时的稳定性、抗干扰性及准确率。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种无人驾驶叉车自动控制指令的识别方法、装置、设备和介质。
背景技术
AGV(Automated Guided Vehicle,自动引导车辆),是指装备有电磁或光学等自动导航装置,能够沿规定的导航路径行驶,具有安全保护以及各种移载功能的运载工具。AGV无人驾驶叉车(也称为自动叉车或机器人叉车)越来越多地应用于物料存储和运输中,以补充或替代人工操作叉车。
目前,AGV无人驾驶叉车通常采用SLAM(Simultaneous Localization andMapping,同步定位与建图)、一维码、二维码或高频IC卡等方式识别自动控制指令,以实现相应地自动控制。但是,AGV无人驾驶叉车在实现自动控制时对位置精度要求比较高,而基于上述方式识别到自动控制指令并实现自动控制时的位置精度都很低,稳定性也比较差,容易造成错误判断,导致安全事故的发生。
例如,若采用高频IC卡识别自动控制指令的方式,由于高频IC卡上电受磁场开场关场强度以及切换间隔时间影响,高频IC卡读取卡信息时间会有一定的误差,进而影响AGV无人驾驶叉车执行自动控制指令的位置精度,例如,自动控制指令为停止指令时,AGV无人驾驶叉车停止的位置精度就会比较差。再例如,若采用扫描一维码线条或二维码区域识别自动控制指令的方式,虽然抗干扰性和稳定性会好一些,但由于一维码和二维码都是贴在地面上,容易被污染,影响一维码线条和二维码区域中关键点的扫描识别,进而降低了自动控制指令的识别率。
发明内容
本发明实施例提供一种无人驾驶叉车自动控制指令的识别方法、装置、设备和介质,以提高无人驾驶叉车基于识别到的自动控制指令来实现自动控制时的稳定性、抗干扰性以及准确率。
第一方面,本发明实施例提供了一种无人驾驶叉车自动控制指令的识别方法,包括:
获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,所述控制指令码中的码位呈阵列排布,所述码位的总数量少于预设数量阈值,所述码位包括数据编码位和数据校验位,所述数据编码位以及所述数据校验位的数据状态包括有效态和无效态,所述控制指令码是彩色的,所述有效态和所述无效态通过预设的两种颜色进行标识;
对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像;
对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令。
第二方面,本发明实施例还提供了一种无人驾驶叉车自动控制指令的识别装置,该装置包括:
控制指令码待识别图像获取模块,设置为获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,所述控制指令码中的码位呈阵列排布,所述码位的总数量少于预设数量阈值,所述码位包括数据编码位和数据校验位,所述数据编码位以及所述数据校验位的数据状态包括有效态和无效态,所述控制指令码是彩色的,所述有效态和所述无效态通过预设的两种颜色进行标识;
控制指令码识别区域图像确定模块,设置为对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像;
控制指令码识别区域图像识别模块,设置为对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现任意实施例所述的无人驾驶叉车自动控制指令的识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任意实施例所述的无人驾驶叉车自动控制指令的识别方法。
本发明实施例提供的技术方案中,首先对由目标工业相机拍摄控制指令码生成的控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像,然后对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,根据识别结果即可确定与控制指令码匹配的自动控制指令;其中,控制指令码是彩色的,控制指令码中的码位呈阵列排布且总数量少于预设数量阈值,码位包括数据编码位和数据校验位,数据编码位以及数据校验位的数据状态包括有效态和无效态。在上述技术方案中,采用控制指令码实现自动控制指令的识别,提高了计算机视觉识别的准确率和效率,进而提高了无人驾驶叉车基于识别到的自动控制指令来实现自动控制时的稳定性、抗干扰性以及准确率。与采用高频IC卡识别自动控制指令的方式相比,采用上述技术方案使无人驾驶叉车实现自动控制的稳定性、抗干扰性更高;与一维码、二维码相比,上述技术方案中的控制指令码更加简单、有效识别率更高。
附图说明
图1是本发明实施例一中的一种无人驾驶叉车自动控制指令的识别方法的流程图;
图2是本发明实施例二中的一种无人驾驶叉车自动控制指令的识别方法的流程图;
图3是本发明实施例二中的一种控制指令码的示意图;
图4是本发明实施例二中的目标工业相机的安装位置示意图;
图5是本发明实施例二中的控制指令码待识别图像的示意图;
图6是本发明实施例二中的第一处理待识别图像的示意图;
图7是本发明实施例二中的第二处理待识别图像的示意图;
图8是本发明实施例二中的黑白掩码图像的示意图;
图9是本发明实施例二中的第三处理待识别图像的示意图;
图10是本发明实施例二中的待识别HSV图像的示意图;
图11是本发明实施例二中的控制指令码分布区域图像的示意图;
图12是本发明实施例二中的控制指令码分布区域二值化图像的示意图;
图13是本发明实施例二中过滤后的控制指令码分布区域二值化图像的示意图;
图14是本发明实施例二中的控制指令码分布区域二值化边缘图像的示意图;
图15是本发明实施例二中优化后的控制指令码分布区域二值化图像的示意图;
图16是本发明实施例二中的控制指令码识别区域图像的示意图;
图17是本发明实施例二中旋转后的控制指令码识别区域图像的示意图;
图18是本发明实施例二中控制指令码识别区域图像的码位切割示意图;
图19是本发明实施例三中的一种无人驾驶叉车自动控制指令的识别装置的模块结构示意图;
图20是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种无人驾驶叉车自动控制指令的识别方法的流程图。本实施例可适用于工业仓库环境中对无人驾驶叉车进行自动控制的情况,该方法可以由本发明任意实施例提供的无人驾驶叉车自动控制指令的识别装置来执行,该装置可由硬件和/或软件组成,并一般可集成在计算机设备中,例如是无人驾驶叉车的工控机中。
如图1所示,本实施例提供的无人驾驶叉车自动控制指令的识别方法包括以下步骤:
S110、获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,控制指令码中的码位呈阵列排布,码位的总数量少于预设数量阈值,码位包括数据编码位和数据校验位,数据编码位以及数据校验位的数据状态包括有效态和无效态,控制指令码是彩色的,有效态和无效态通过预设的两种颜色进行标识。
目标工业相机,指的是安装在无人驾驶叉车上用于采集控制指令码的工业相机。其中,目标工业相机的参数设置与用于标识码位有效态和无效态的颜色相匹配。
控制指令码是根据预设编码规则生成的与无人驾驶叉车自动控制指令对应的一种数字码。
在一种可选的实施方式中,控制指令码呈长方形,控制指令码中的码位在长方形内呈阵列排布,也即长方形内包括多行多列码位,码位的总数量少于预设数量阈值。本实施例对预设数量阈值不作具体限定,其中,预设数量阈值可以是一个比较小的数,码位的总数量只要能够支持对不同的无人驾驶叉车自动控制指令进行编码即可。
可选的,控制指令码包括M行N列码位,M、N为小于等于10的整数。
控制指令码中的码位包括数据编码位和数据校验位,多个数据编码位上的值用于指示无人驾驶叉车自动控制指令,数据校验位上的值用于实现对多个数据编码位上的值进行校验。
在一示例中,每行码位中包括多个数据编码位和一个数据校验位。每个数据校验位上的值用于对本行中所有数据编码位上的值进行校验。
在另一示例中,每列码位中包括多个数据编码位和一个数据校验位。每个数据校验位上的值用于对本列中所有数据编码位上的值进行校验。
其中,数据编码位以及数据校验位的数据状态包括有效态和无效态,例如有效态对应于二进制数1,无效态对应于二进制数0。
在本实施中,控制指令码是彩色的,有效态和无效态通过预设的两种颜色进行标识。例如,有效态通过粉红色来标识,无效态通过黑色来标识。
可选的,控制指令码长方形内的底色与无效态的标识颜色相同,长方形边框的颜色与有效态的标识颜色相同。
可选的,数据编码位和数据校验位的形状、尺寸可以相同,数据编码位和数据校验位的分布中心对称。控制指令码长方形边框(也即下述提到的控制指令码识别区域边框)中包括方向槽,方向槽用于标识控制指令码(也即下述提到的控制指令码识别区域图像)的方向。其中,方向槽可以设置在控制指令码长方形边框的任意一个边的中心处。可选的,方向槽的标识颜色与无效态的标识颜色相同。
可选的,控制指令码的码位为长方形,预先制作控制指令码模板,控制指令码模板上各个码位的数据状态均为无效态。进而,在控制指令模板的基础上,可以生成与不同的无人驾驶叉车自动控制指令对应的控制指令码。
可选的,控制指令码模板的材质为金属,控制指令码是在控制指令码模板上喷涂油漆而生成的,使用有效态颜色和无效态颜色的油漆对控制指令码模板上的码位进行喷涂。当无效态颜色与控制指令码长方形边框内的底色相同时,在控制指令码模板的基础上,使用有效态颜色对数据状态为有效的各个码位进行喷涂即可生成对应的控制指令码。
从实施角度分析,本实施例提供的控制指令码优于普通的一维码和二维码。鉴于普通的一维码和二维码的复杂性,只能用纸(或纸版等)打印,贴的地面上,在真实的仓库环境中,一维码和二维码不容易固定且容易污染。然而,本实施例提供的控制指令码基于控制指令码模板喷涂油漆生成,稳固性更高。
为了提高计算机视觉识别准确率,可以调节目标工业相机的设置参数,使目标工业相机的设置参数与预设的两种颜色是匹配的,尤其是红绿蓝三原色。
例如,当有效态通过粉红色来标识,无效态通过黑色来标识时,目标工业相机的设置参数可以如下所示:相机分辨率1280x1024;曝光值150;Flip勾选;Sensitivity:Low;增益Red:3Green:3Blue:3;白平衡模式:Hardware Manual,Red:1.576Green:1.00Blue:1.559;焦距调至图像清晰;其他参数默认。
S120、对控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像。
控制指令码待识别图像,是无人驾驶叉车在工作过程中通过目标工业相机拍摄到的,该图像中不仅包括了需要采集的控制指令码,还包括控制指令码的背景信息。
对控制指令码待识别图像进行图像处理,去除控制指令码的背景信息,得到只包括控制指令码的控制指令码识别区域图像。
作为一种可选的实施方式,对控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像,可以包括如下步骤:
基于预设图像处理方法增强控制指令码待识别图像的图像质量;
在增强图像质量后的控制指令码待识别图像中截取控制指令码分布区域图像,并基于预设的颜色范围对控制指令码分布区域图像进行二值化处理,得到控制指令码分布区域二值化图像;
在控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界,并根据各条外边界确定控制指令码识别区域图像;
其中,控制指令码识别区域边框的标识颜色与有效态的标识颜色相同。
基于预设图像处理方法对控制指令码待识别图像进行图像预处理,以增强控制指令码待识别图像的图像质量。其中,预设图像处理方法可以是图像过滤处理,以过滤控制码待识别图像中的噪点;预设图像处理方法可以是图像增强处理,以增强控制指令码待识别图像的对比度,等等。
在增强图像质量后的控制指令码待识别图像中截取控制指令码分布区域图像。其中,控制指令码分布区域图像指的是控制指令码待识别图像中与控制指令码对应的局部区域图像。可选的,控制指令码分布区域图像的高度与控制指令码待识别图像相等,宽度略大于控制指令码,如宽度是控制指令码最大轮廓宽度的两倍;可选的,控制指令码分布区域图像的宽度与控制指令码待识别图像相等,高度略大于控制指令码,如高度是控制指令码最大轮廓高度的两倍。
基于预设的颜色范围对控制指令码分布区域图像进行二值化处理,得到控制指令码分布区域二值化图像。其中,预设的颜色范围与有效态标识颜色、无效态标识颜色相关。在生成的控制指令码分布区域二值化图像中,控制指令码边框区域以及有效态的码位区域显示高亮。
在控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界。可选的,在控制指令码分布区域二值化图像中,查找所有轮廓,在所有轮廓中筛选轮廓宽高比与控制指令码匹配的各个轮廓,并将轮廓宽高最大的一个轮廓是边界作为控制指令码识别区域边框的外边界。进而,根据各条外边界即可确定控制指令码识别区域图像。当控制指令码识别区域边框存在方向槽时,控制指令码识别区域图像中高亮显示的边框中存在非高亮显示的方向槽。
当控制指令码识别区域边框为长方形时,作为一种可选的实施方式,在控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界,可以包括下述步骤:
在控制指令码分布区域二值化图像中查找高亮直线,并对所述高亮直线进行聚类,得到与控制指令码识别区域边框的四个外边界分别对应的高亮直线聚类;
分别确定与各个高亮直线聚类对应的目标直线;
向远离图像中心点的方向,分别平移各条目标直线,确定控制指令码识别区域边框的各条外边界。
根据控制指令码分布区域二值化图像中各个像素点的灰度值,查找高亮直线,并根据高亮直线的角度以及高亮直线到原点(可以是控制指令码分布区二值化图像中的任意一个像素点)之间的距离对查找到的高亮直线进行聚类,可以得到四个高亮直线聚类,也即与控制指令码识别区域边框的四个外边界分别对应的四个高亮直线聚类。
针对每个高亮直线聚类,将高亮直线聚类中的多条高亮直线合并或者拟合成一条目标直线。在控制指令码分布区域二值化图像中,分别向远离图像中心点的方向平移各条目标直线。针对每条目标直线,分析目标直线上的点在控制指令码分布区域二值化图像中的像素点灰度值,统计高亮像素点和非高亮像素点的数量,若高亮像素点的数量小于预设数量阈值,则将目标直线所在位置作为与一个高亮直线聚类对应的一条外边界,也即控制指令码识别区域边框的一条外边界。
在确定出控制指令码识别区域边框的各条外边界之后,根据这些外边界截取的区域即为控制指令码识别区域,以此可以得出控制指令码识别区域图像。
S130、对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与控制指令码匹配的自动控制指令。
根据控制指令码中数据编码位和数据校验位的分布,基于像素点灰度值对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,确定每个数据编码位是有效态还是无效态,进而根据识别结果确定与控制指令码匹配的自动控制指令。
可选的,控制指令码识别区域图像中的数据编码位和数据校验位可以通过对控制指令码识别区域图像进行切割确定。
可选的,对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令,包括:
对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别;基于数据编码位与数据校验位的对应关系,使用数据校验位的数据状态对数据编码位的数据状态进行奇偶校验;如果奇偶校验结果无误,则基于预设的控制指令编码规则确定与数据编码位的数据状态对应的控制指令,作为与控制指令码匹配的自动控制指令。
本发明实施例提供的技术方案中,首先对由目标工业相机拍摄控制指令码生成的控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像,然后对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,根据识别结果即可确定与控制指令码匹配的自动控制指令;其中,控制指令码是彩色的,控制指令码中的码位呈阵列排布且总数量少于预设数量阈值,码位包括数据编码位和数据校验位,数据编码位以及数据校验位的数据状态包括有效态和无效态。在上述技术方案中,采用控制指令码实现自动控制指令的识别,提高了计算机视觉识别的准确率和效率,进而提高了无人驾驶叉车基于识别到的自动控制指令来实现自动控制时的稳定性、抗干扰性以及准确率。与采用高频IC卡识别自动控制指令的方式相比,采用上述技术方案使无人驾驶叉车实现自动控制的稳定性、抗干扰性更高;与一维码、二维码相比,上述技术方案中的控制指令码更加简单、有效识别率更高。
实施例二
图2是本发明实施例二提供的一种无人驾驶叉车自动控制指令的识别方法的流程图。本实施例在上述实施例的基础上提供了一种具体的实施方式。
在本实施例中,如图3所示,控制指令码呈长方形,码位在长方形内部,底色是黑色,码位粉红色标识有效态(如二进制数1),码位黑色标识无效态(如二进制数0),控制指令码包括3行6列码位,总共有18个码位。这18个码位外围有长方形边框包围,长方形边框是粉红色,边框长度边中间位置上有个方向槽(使用黑色标识)。其中,图3中粉红色以斜线填充进行表示,除斜线填充之外的区域为黑色(图中未以真实黑色示出)。
可选的,边框长114.50mm,边框宽89.00mm,边框厚度7.50mm,方向槽宽10.00mm,边框与码位间距5.00mm,码位宽10.75mm,码位高18.00mm,码位与码位间距5.00mm。
可选的,当方向槽向上时,第一行左边开始5个码位是数据编码位,分别是二进制bit0,bit1,bit2,bit3,bit4,第6个码位是数据校验位,校验bit0-bit4的数据编码位有效的数量,数据编码位有效的数量是偶数则该数据校验位无效,数据编码位有效的数量是奇数则该数据校验位有效;第二行左边开始5个码位是数据编码位,分别是二进制bit5,bit6,bit7,bit8,bit9,第6个码位是数据校验位,校验bit5-bit9的数据编码位有效的数量,数据编码位有效的数量是偶数则该数据校验位无效,数据编码位有效的数量是奇数则该数据校验位有效;第三行左边开始5个码位是数据编码位,分别是二进制bit10,bit11,bit12,bit13,bit14,第6个码位是数据校验位,校验bit10-bit14的数据编码位有效的数量,数据编码位有效的数量是偶数则该数据校验位无效,数据编码位有效的数量是奇数则该数据校验位有效。
例如,数据编码位bit0位有效、bit1位无效、bit2位有效、bit3位有效和bit4位有效,第一行数据编码位有效总数量是4,所以校验bit0-bit4的数据校验位是无效;数据编码位bit5位有效、bit6位无效、bit7位无效、bit8位有效和bit9位有效,第二行数据编码位有效总数量是3,所以校验bit5-bit9的数据校验位是有效;数据编码位bit10位有效、bit11位无效、bit12位无效、bit13位无效和bit14位有效,第三行数据编码位有效总数量是2,所以校验bit10-bit14的数据校验位是无效。
上述基于计算机视觉识别的控制指令码随机性地被泥污染,当码位区域被污染面积或噪点比率小于0.3的时候,还是能够精确地识别出来。此控制指令码,对数据编码位有效的数量进行奇偶校验,每行第6个码位是数据校验码,三行共有3个数据校验位。其中,码位共有18个,且码位只有无效和有效两种状态,当码位无效和有效状态识别错误出现偶数倍时(如2、4、6、8、10、12、14、16、18),识别出错误的控制指令码值的概率公式为:9/2^18。鉴于码位区域被污染面积或噪点比率小于0.3时被认为有效的原则,识别出错误的控制指令码值的概率非常低,故此控制指令码抗干扰性和稳定性远远高于一维码和二维码。
如图2所示,本实施例提供的无人驾驶叉车自动控制指令的识别方法包括以下步骤:
S210、获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像。
可选的,根据无人驾驶叉车的结构,如图4所示,目标工业相机安装在无人驾驶叉车的后部,相机镜头距离地面约380±5cm,目标工业相机右边安装一个补光灯(图4中未示出),倾斜角度约45度,光可以在目标工业相机正下方均匀铺开,在目标工业相机正下方用照度计进行测量得到测量值在7000左右。
可选的,目标工业相机的设置参数如下:相机分辨率1280x1024;曝光值150;Flip勾选;Sensitivity:Low;增益Red:3Green:3Blue:3;白平衡Mode:Hardware Manual,Red:1.576Green:1.00Blue:1.559;焦距调至图像清晰;其他参数默认。
在一示例中,控制指令码待识别图像如图5所示,下述以此为例进行进一步的解释说明。需要指出的是,本实施例中多个附图为彩色图,在说明书附图中仅以灰度图的形式进行展示。
S220、对控制指令码待识别图像进行噪点污渍过滤处理。
此步骤中过滤控制指令码待识别图像中污渍、脏的小噪点或相机硬件引起的小噪点,得到第一处理待识别图像,如图6所示。可选的,本步骤可以通过中值滤波实现。
S230、对第一处理待识别图像进行图像增强处理。
当晚上或环境光线比较暗的时候,通过直方图增强方法对第一处理待识别图像进行图像增强处理,得到第二处理待识别图像,如图7所示,以提高码位的识别率。
S240、对第二处理待识别图像进行背景过滤处理。
提前制作好与目标工业相机拍摄的无人驾驶叉车后端影像对应的黑白掩码图像,如图8所示,并根据该黑白掩码图像对第二处理待识别图像进行背景过滤处理,得到第三处理待识别图像,如图9所示,以减少图像中的干扰信息,提高图像算法的计算效率。
S250、对第三处理待识别图像进行颜色空间信息处理。
本步骤中,可以将第三处理待识别图像转换为待识别HSV图像,如图10所示。
S260、截取待识别HSV图像,得到控制指令码分布区域图像。
本步骤中,将待识别HSV图像中背景区域截去,只保留控制指令码附近区域图像。可选的,如图11所示,控制指令码分布区域图像的宽度与待识别HSV图像相等,高度为控制指令码最大轮廓高度的两倍。
S270、对控制指令码分布区域图像进行二值化处理,得到控制指令码分布区域二值化图像。
其中,二值化阈值的选择与控制指令码的颜色有关,得到的控制指令码分布区域二值化图像,如图12所示。
可选的,对控制指令码分布区域二值化图像再次进行滤波处理,以过滤控制指令码分布区域二值化图像中的噪点,如图13所示。
可选的,查找控制指令码分布区域二值化图像中的所有轮廓(由高亮显示的像素点构成的),并根据控制指令码的最大轮廓宽高比,以及轮廓内包括码位的原则,遍历所有轮廓,确定控制指令码的各个轮廓,得到控制指令码分布区域二值化边缘图像,如图14所示。
可选的,在控制指令码分布区域二值化图像中查找出所有轮廓,并按照轮廓像素点数量从大到小排序,根据控制指令码最大轮廓宽高比,找出所有宽高比符合的最大轮廓,最大轮廓中应该包括码位,若不包括则该轮廓并非是控制指令码最大轮廓,需重新匹配另外的最大轮廓。把匹配合格的最大轮廓和码位轮廓画到一个新的图像中,也可生成控制指令码分布区域二值化边缘图像。
在如图14所示的控制指令码分布区域二值化边缘图像的基础上,对控制指令码的各个轮廓进行高亮像素填充,得到优化后的控制指令码分布区域二值化图像,如图15所示。
S280、在控制指令码分布区域二值化图像中查找高亮直线,并对所述高亮直线进行聚类,得到与控制指令码识别区域边框的四个外边界分别对应的高亮直线聚类。
本步骤可以得到分别与控制指令码识别区域边框的上边界、下边界、左边界和有边界对应的各个高亮直线聚类。
S290、分别确定与各个高亮直线聚类对应的目标直线。
可选的,将高亮直线聚类中的各条高亮直线合并起来作为对应的目标直线,或者,对高亮直线聚类中的各条高亮直线进行直线拟合,将拟合得到的直线作为对应的目标直线。目标直线方程为Y=KX+B。
S2100、向远离图像中心点的方向,分别移动各条目标直线,确定控制指令码识别区域边框的各条外边界。
修改目标直线方程中的B值,将目标直线在控制指令码分布区域二值化图像中向远离图像中心点的方向平移,并实时分析目标直线上的点在控制指令码分布区域二值化图像中坐标位置上的像素点信息,统计出高亮像素点的数量以及非高亮像素点的数量。当高亮像素点的数量小于预设数量阈值时,此时目标直线所在的位置即为控制指令码识别区域边框的一条外边界。
本步骤中,可以得到控制指令码识别区域边框在上下左右四个方向上的各条外边界。
S2110、根据控制指令码识别区域边框的各条外边界,在控制指令码分布区域二值化图像中截取控制指令码识别区域图像。
截取到的控制指令码识别区域图像如图16所示。
可选的,对控制指令码识别区域图像进行旋转,使得控制指令码识别区域图像的边界接近水平或垂直,如图17所示。
S2120、根据控制指令码码位的分布对控制指令码识别区域图像进行水平切割和垂直切割,得到各个数据编码位和数据校验位。
S2130、对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别;基于数据编码位与数据校验位的对应关系,使用数据校验位的数据状态对数据编码位的数据状态进行奇偶校验。
S2140、如果奇偶校验结果无误,则基于预设的控制指令编码规则确定与数据编码位的数据状态对应的控制指令,作为与控制指令码匹配的自动控制指令。
本实施例未尽详细解释之处请参见前述实施例,在此不再赘述。
在上述技术方案中,采用控制指令码实现自动控制指令的识别,提高了计算机视觉识别的准确率和效率,进而提高了无人驾驶叉车基于识别到的自动控制指令来实现自动控制时的稳定性、抗干扰性以及准确率。
实施例三
图19是本发明实施例三提供的一种无人驾驶叉车自动控制指令的识别装置的模块结构示意图。本实施例可适用于工业仓库环境中对无人驾驶叉车进行自动控制的情况,该装置可以采用软件和/或硬件的方式实现,并一般可集成在计算机设备中。如图19所示,该装置包括:控制指令码待识别图像获取模块310、控制指令码识别区域图像确定模块320和控制指令码识别区域图像识别模块330。其中,
控制指令码待识别图像获取模块310,设置为获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,所述控制指令码中的码位呈阵列排布,所述码位的总数量少于预设数量阈值,所述码位包括数据编码位和数据校验位,所述数据编码位以及所述数据校验位的数据状态包括有效态和无效态,所述控制指令码是彩色的,所述有效态和所述无效态通过预设的两种颜色进行标识;
控制指令码识别区域图像确定模块320,设置为对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像;
控制指令码识别区域图像识别模块330,设置为对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令。
本发明实施例提供的技术方案中,首先对由目标工业相机拍摄控制指令码生成的控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像,然后对控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,根据识别结果即可确定与控制指令码匹配的自动控制指令;其中,控制指令码是彩色的,控制指令码中的码位呈阵列排布且总数量少于预设数量阈值,码位包括数据编码位和数据校验位,数据编码位以及数据校验位的数据状态包括有效态和无效态。在上述技术方案中,采用控制指令码实现自动控制指令的识别,提高了计算机视觉识别的准确率和效率,进而提高了无人驾驶叉车基于识别到的自动控制指令来实现自动控制时的稳定性、抗干扰性以及准确率。与采用高频IC卡识别自动控制指令的方式相比,采用上述技术方案使无人驾驶叉车实现自动控制的稳定性、抗干扰性更高;与一维码、二维码相比,上述技术方案中的控制指令码更加简单、有效识别率更高。
进一步的,控制指令码识别区域图像确定模块320包括:
图像质量增强单元,设置为基于预设图像处理方法增强所述控制指令码待识别图像的图像质量;
控制指令码分布区域二值化图像生成单元,设置为在增强图像质量后的控制指令码待识别图像中截取控制指令码分布区域图像,并基于预设的颜色范围对所述控制指令码分布区域图像进行二值化处理,得到控制指令码分布区域二值化图像;
控制指令码识别区域图像确定单元,设置为在所述控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界,并根据所述各条外边界确定所述控制指令码识别区域图像;
其中,所述控制指令码识别区域边框的标识颜色与所述有效态的标识颜色相同。
进一步的,所述控制指令码识别区域边框为长方形;
控制指令码识别区域图像确定单元,具体设置为在所述控制指令码分布区域二值化图像中查找高亮直线,并对所述高亮直线进行聚类,得到与所述控制指令码识别区域边框的四个外边界分别对应的高亮直线聚类;分别确定与各个所述高亮直线聚类对应的目标直线;向远离图像中心点的方向,分别平移各条所述目标直线,确定所述控制指令码识别区域边框的各条外边界。
可选的,所述数据编码位和所述数据校验位的形状、尺寸相同,所述数据编码位和所述数据校验位的分布中心对称;
所述控制指令码识别区域边框中包括方向槽,所述方向槽用于标识所述控制指令码识别区域图像的方向,所述方向槽的标识颜色与所述无效态的标识颜色相同。
进一步的,控制指令码识别区域图像识别模块330具体设置为:
对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别;基于所述数据编码位与所述数据校验位的对应关系,使用所述数据校验位的数据状态对所述数据编码位的数据状态进行奇偶校验;如果奇偶校验结果无误,则基于预设的控制指令编码规则确定与所述数据编码位的数据状态对应的控制指令,作为与所述控制指令码匹配的自动控制指令。
可选的,所述控制指令码包括M行N列码位,M、N为小于等于10的整数;其中,每行码位中包括多个数据编码位和一个数据校验位。
可选的,所述目标工业相机的设置参数与所述预设的两种颜色是匹配的;和/或,所述控制指令码是在控制指令码模板上喷涂油漆而生成的。
本发明实施例所提供的无人驾驶叉车自动控制指令的识别装置可执行本发明任意实施例所提供的无人驾驶叉车自动控制指令的识别方法,具备执行方法相应的功能模块和有益效果。
实施例四
图20是本发明实施例四提供的一种计算机设备的结构示意图,如图20所示,该计算机设备包括处理器40、存储器41、输入装置42和输出装置43;计算机设备中处理器40的数量可以是一个或多个,图20中以一个处理器40为例;计算机设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图20中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的无人驾驶叉车自动控制指令的识别方法对应的程序指令/模块(例如,图4所示的无人驾驶叉车自动控制指令的识别装置中的控制指令码待识别图像获取模块310、控制指令码识别区域图像确定模块320和控制指令码识别区域图像识别模块330)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的无人驾驶叉车自动控制指令的识别方法。
存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种存储有计算机程序的计算机可读存储介质,计算机程序在由计算机处理器执行时用于执行一种无人驾驶叉车自动控制指令的识别方法,该方法包括:
获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,所述控制指令码中的码位呈阵列排布,所述码位的总数量少于预设数量阈值,所述码位包括数据编码位和数据校验位,所述数据编码位以及所述数据校验位的数据状态包括有效态和无效态,所述控制指令码是彩色的,所述有效态和所述无效态通过预设的两种颜色进行标识;
对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像;
对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令。
当然,本发明实施例所提供的存储有计算机程序的计算机可读存储介质,其计算机程序不限于如上的方法操作,还可以执行本发明任意实施例所提供的无人驾驶叉车自动控制指令的识别方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
值得注意的是,上述无人驾驶叉车自动控制指令的识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种无人驾驶叉车自动控制指令的识别方法,其特征在于,包括:
获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,所述控制指令码中的码位呈阵列排布,所述码位的总数量少于预设数量阈值,所述码位包括数据编码位和数据校验位,所述数据编码位和所述数据校验位的形状、尺寸相同,所述数据编码位以及所述数据校验位的数据状态包括有效态和无效态,所述控制指令码是彩色的,所述有效态和所述无效态通过预设的两种颜色进行标识;所述控制指令码包括M行N列码位,M、N为小于等于10的整数;其中,每行码位中包括多个数据编码位和一个数据校验位;
对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像;其中,控制指令码识别区域边框中包括方向槽,所述方向槽用于标识所述控制指令码识别区域图像的方向,所述方向槽的标识颜色与所述无效态的标识颜色相同;所述控制指令码识别区域边框为长方形;
对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令;
其中,对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像,包括:
基于预设图像处理方法增强所述控制指令码待识别图像的图像质量;
在增强图像质量后的控制指令码待识别图像中截取控制指令码分布区域图像,并基于预设的颜色范围对所述控制指令码分布区域图像进行二值化处理,得到控制指令码分布区域二值化图像;
在所述控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界,并根据所述各条外边界确定所述控制指令码识别区域图像;
所述控制指令码识别区域边框的标识颜色与所述有效态的标识颜色相同;其中,在所述控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界,包括:
在所述控制指令码分布区域二值化图像中查找高亮直线,并对所述高亮直线进行聚类,得到与所述控制指令码识别区域边框的四个外边界分别对应的高亮直线聚类;
分别确定与各个所述高亮直线聚类对应的目标直线;
向远离图像中心点的方向,分别平移各条所述目标直线,确定所述控制指令码识别区域边框的各条外边界。
2.根据权利要求1所述的方法,其特征在于,对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令,包括:
对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别;
基于所述数据编码位与所述数据校验位的对应关系,使用所述数据校验位的数据状态对所述数据编码位的数据状态进行奇偶校验;
如果奇偶校验结果无误,则基于预设的控制指令编码规则确定与所述数据编码位的数据状态对应的控制指令,作为与所述控制指令码匹配的自动控制指令。
3.根据权利要求1所述的方法,其特征在于,所述目标工业相机的设置参数与所述预设的两种颜色是匹配的;和/或,
所述控制指令码是在控制指令码模板上喷涂油漆而生成的。
4.一种无人驾驶叉车自动控制指令的识别装置,其特征在于,包括:
控制指令码待识别图像获取模块,设置为获取由目标工业相机拍摄控制指令码生成的控制指令码待识别图像;其中,所述控制指令码中的码位呈阵列排布,所述码位的总数量少于预设数量阈值,所述码位包括数据编码位和数据校验位,所述数据编码位和所述数据校验位的形状、尺寸相同,所述数据编码位以及所述数据校验位的数据状态包括有效态和无效态,所述控制指令码是彩色的,所述有效态和所述无效态通过预设的两种颜色进行标识;所述控制指令码包括M行N列码位,M、N为小于等于10的整数;其中,每行码位中包括多个数据编码位和一个数据校验位;
控制指令码识别区域图像确定模块,设置为对所述控制指令码待识别图像进行图像处理,得到控制指令码识别区域图像;其中,控制指令码识别区域边框中包括方向槽,所述方向槽用于标识所述控制指令码识别区域图像的方向,所述方向槽的标识颜色与所述无效态的标识颜色相同;所述控制指令码识别区域边框为长方形;
控制指令码识别区域图像识别模块,设置为对所述控制指令码识别区域图像中的数据编码位和数据校验位进行数据状态识别,并根据识别结果确定与所述控制指令码匹配的自动控制指令;
其中,所述控制指令码识别区域图像确定模块包括:
图像质量增强单元,设置为基于预设图像处理方法增强所述控制指令码待识别图像的图像质量;
控制指令码分布区域二值化图像生成单元,设置为在增强图像质量后的控制指令码待识别图像中截取控制指令码分布区域图像,并基于预设的颜色范围对所述控制指令码分布区域图像进行二值化处理,得到控制指令码分布区域二值化图像;
控制指令码识别区域图像确定单元,设置为在所述控制指令码分布区域二值化图像中,查找控制指令码识别区域边框的各条外边界,并根据所述各条外边界确定所述控制指令码识别区域图像;
所述控制指令码识别区域边框的标识颜色与所述有效态的标识颜色相同;
其中,所述控制指令码识别区域图像确定单元,设置为在所述控制指令码分布区域二值化图像中查找高亮直线,并对所述高亮直线进行聚类,得到与所述控制指令码识别区域边框的四个外边界分别对应的高亮直线聚类;分别确定与各个所述高亮直线聚类对应的目标直线;向远离图像中心点的方向,分别平移各条所述目标直线,确定所述控制指令码识别区域边框的各条外边界。
5.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的无人驾驶叉车自动控制指令的识别方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一所述的无人驾驶叉车自动控制指令的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833889.7A CN112010236B (zh) | 2020-08-18 | 2020-08-18 | 无人驾驶叉车自动控制指令的识别方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833889.7A CN112010236B (zh) | 2020-08-18 | 2020-08-18 | 无人驾驶叉车自动控制指令的识别方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112010236A CN112010236A (zh) | 2020-12-01 |
CN112010236B true CN112010236B (zh) | 2021-07-20 |
Family
ID=73504988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010833889.7A Active CN112010236B (zh) | 2020-08-18 | 2020-08-18 | 无人驾驶叉车自动控制指令的识别方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112010236B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117906615A (zh) * | 2024-03-15 | 2024-04-19 | 苏州艾吉威机器人有限公司 | 基于环境标识码的智能化搬运设备的融合定位方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202130A (ja) * | 2000-01-24 | 2001-07-27 | Shinko Electric Co Ltd | 無人搬送車制御装置 |
CN101587556A (zh) * | 2009-04-08 | 2009-11-25 | 广东威创视讯科技股份有限公司 | 一种二维条码及其识别方法 |
CN102103379A (zh) * | 2009-12-17 | 2011-06-22 | 广州风神汽车有限公司 | 一种agv调度系统 |
CN104460669A (zh) * | 2014-11-03 | 2015-03-25 | 上海电器科学研究所(集团)有限公司 | 一种agv机器人路径导航系统 |
CN107871151A (zh) * | 2017-10-23 | 2018-04-03 | 广东数相智能科技有限公司 | 一种彩色条形码及其产生方法及装置 |
CN109034047A (zh) * | 2018-07-20 | 2018-12-18 | 京东方科技集团股份有限公司 | 一种车道线检测方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2396238B (en) * | 2002-12-11 | 2006-05-24 | Nippon Yusoki Co Ltd | Unqualified person driving prevention apparatus for vehicle |
CN108108795A (zh) * | 2017-12-18 | 2018-06-01 | 无锡费舍太格科技有限公司 | 一种二进制颜色码 |
-
2020
- 2020-08-18 CN CN202010833889.7A patent/CN112010236B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202130A (ja) * | 2000-01-24 | 2001-07-27 | Shinko Electric Co Ltd | 無人搬送車制御装置 |
CN101587556A (zh) * | 2009-04-08 | 2009-11-25 | 广东威创视讯科技股份有限公司 | 一种二维条码及其识别方法 |
CN102103379A (zh) * | 2009-12-17 | 2011-06-22 | 广州风神汽车有限公司 | 一种agv调度系统 |
CN104460669A (zh) * | 2014-11-03 | 2015-03-25 | 上海电器科学研究所(集团)有限公司 | 一种agv机器人路径导航系统 |
CN107871151A (zh) * | 2017-10-23 | 2018-04-03 | 广东数相智能科技有限公司 | 一种彩色条形码及其产生方法及装置 |
CN109034047A (zh) * | 2018-07-20 | 2018-12-18 | 京东方科技集团股份有限公司 | 一种车道线检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112010236A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11836976B2 (en) | Method for recognizing seawater polluted area based on high-resolution remote sensing image and device | |
CN106951879B (zh) | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 | |
CN109726717B (zh) | 一种车辆综合信息检测系统 | |
CN104778721B (zh) | 一种双目图像中显著性目标的距离测量方法 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
US8515162B2 (en) | QR code processing method and apparatus thereof | |
CN111307727B (zh) | 基于时序遥感影像的水体水色异常识别方法和装置 | |
JP2017533482A (ja) | 車線データの処理方法、装置、記憶媒体及び機器 | |
CN108256521B (zh) | 用于车身颜色识别的有效区域定位方法 | |
CN106960208A (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN111353485B (zh) | 印章识别方法、装置、设备及介质 | |
CN108986129B (zh) | 标定板检测方法 | |
CN103413124A (zh) | 一种圆形交通标志检测方法 | |
CN109636862B (zh) | 图像处理方法、系统、终端、存储介质及书写板装置 | |
CN112010236B (zh) | 无人驾驶叉车自动控制指令的识别方法、装置和设备 | |
CN111382658A (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN109190625A (zh) | 一种大角度透视变形的集装箱箱号识别方法 | |
CN111243003A (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
CN113537211A (zh) | 一种基于非对称iou的深度学习车牌框定位方法 | |
CN114119644A (zh) | 一种基于边缘特征的模板匹配方法 | |
CN110543798B (zh) | 二维码的识别方法及装置 | |
CN117037082A (zh) | 一种停车行为的识别方法及系统 | |
CN111738936A (zh) | 基于图像处理的多株水稻穗长的测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |